AI/HPC计算系统架构师—异构计算与存储系统(J11073)

-站在计算系统的角度（包括计算单元子系统、SoC芯片、多卡、超节点、数据中心、分 布式集群）对顶层架构、编程模型、指令集、异构系统等进行软硬协同设计。 -对多GPU系统、CPU-GPU协同、异构多芯片系统的AIworkload性能进行建模与分析 -研究AI/HPC算法、CUDA编程、分析AI/HPC在多GPU系统上的scalable性能、稳 定性、功耗、TCO等问题。 -对接产品经理、客户支持工程师、算法工程师、框架工程师、软件栈工程师，深入理解 客户底层需求、并下沉出架构优化方向及具体的设计需求，制定相关架构的SPEC。

-具备计算机系统结构知识，理解GPU架构及多GPU系统架构； -具有编程模型、memorymodel、软硬接口、ISA、操作系统的知识和经验； -熟悉CPU、GPU等处理器的内存管理、存储管理、页表、地址管理、总线系统、存 储系统等； -理解AI或HPC算法及其在多GPU系统上的部署和运行时数据流； -了解现代MoE模型架构、LLM部署、及其在训练、推理集群上的运行原理； -了解大模型向多GPU系统部署的并行策略，如数据并行、流水线并行、张量并行、 专家并行、上下文并行等； -能针对大量性能数据进行综合分析、识别计算瓶颈、提出架构建议； -熟练的C++或PyThon编程、AI编程能力； -熟悉现代KVCache在各种部署场景下在多卡系统的存储管理、部署、与运行时数据 流动 -能够分析AI模型源代码，并针对目标硬件架构作高层次性能建模； -加分项：Megatron、Zero、VERL、vLLM、SGLang等方面的知识或经验 -加分项：NVSHMEM、NCCL、MPI、PGAS等方面的知识或经验； -加分项：PTX、nvcc、CUDAC++、CUTLASS、cuTile、cuBLUS、cuDNN、 TensorRT、Triton、tileLang、PyTorch等方面的知识或经验；